YAPAY SİNİR AĞLARI İLE TALEP TAHMİNİ: PERAKENDE SEKTÖRÜNDE BİR UYGULAMA

Öz

    Bu çalışmada; zaman serisi yöntemlerinden ARIMA ile yapay sinir ağı modellerinin tahmin sonuçları kıyas edilerek, reel değerlere en yakın değerleri sunan model yardımıyla bir süpermarketin kasap reyonu için müşteri talep tahmini yapılması hedeflenmiştir. Çalışmada Ocak 2017- Aralık 2018 döneminde gerçekleşen haftalık satış miktarlarından faydalanılmıştır. Yapılan denemeler neticesinde, haftalık satış miktarları kullanılarak oluşturulan modellerde yapay sinir ağları modelinin optimal sonucu sunduğu görülerek 2019 yılı için haftalık bazda müşteri talep tahminleri yapılmıştır. 

Anahtar Kelimeler

• yapay sinir ağları,ARIMA,talep tahmini,perakende sektörü

Kaynakça

1. Adıyaman, F., “Talep Tahmininde Yapay Sinir Ağlarının Kullanılması”, Yüksek Lisans Tezi, İstanbul Teknik Üniversitesi Fen Bilimleri Enstitüsü, İstanbul, 2007
2. Chung, S., ”Demand Modeling And Analysis For The Management of Underground İnfrastructure Systems”, Doktora Tezi, Purdue University, USA, 2001
3. Çuhadar, M., Güngör, İ. Ve Göksu, A. (2009). Turizm Talebinin Yapay Sinir Ağları İle Tahmini Ve Zaman Serisi Yöntemleri İle Karşılaştırmalı Analizi: Antalya İline Yönelik Bir Uygulama. Süleyman Demirel İktisadi Ve İdari Bilimler Fakültesi Dergisi, 14 (1): 99-114.
4. Duman N., “Yapay Sinir Ağları ve Bir Uygulama”, Yüksek Lisans Tezi, Cumhuriyet Üniversitesi Sosyal Bilimler Enstitüsü, Sivas (2006)
5. Ekmekçi, H, “Türkiye’deki Doğalgaz Kullanımının ARIMA Metodu İle İstatistiksel Analizi, Yüksek Lisans Tezi, Karabük Üniversitesi, Karabük, 2006
6. Elmas Ç., “Yapay Zeka Uygulamaları”, Seçkin Yayıncılık, Ankara, 25 (2007).
7. Erdoğan, E, “Zaman Serilerinde Arima Modelleri”, Yüksek Lisans Tezi, Muğla Üniversitesi Fen Bilimleri Enstitüsü, Muğla, 8-42 (2006).
8. Es, H. A., “Yapay Sinir Ağları İle Türkiye Net Enerji Talep Tahmini”, Yüksek Lisans Tezi, Gazi Üniversitesi Fen Bilimleri Enstitüsü, Ankara 2003

9. GILBERT. David; Retail Marketing Management, Pearson Education Limited, Great Britain, 1996
10. Hamzaçebi, C., “Yapay Sinir Ağları: Tahmin Amaçlı Kullanımı Matlab ve Neurosolutions Uygulamalı”, Ekin Yayınevi, Bursa, 1-105 (2011).
11. Hu, Clark (2002). Advanced Tourism Demand Forecasting: ANN and BoxJenkinsModelling, Doktora Tezi, Purdue University, MI, USA.
12. Karahan, M., (2011), İstatistiksel Tahin Yöntemleri: Yapay Sinir Ağları Metodu ile Ürün Talep Tahmini Uygulaması, Doktora Tezi, Selçuk Üniversitesi Sosyal Bilimler Enstitüsü, Konya.
13. Kaynar, O. Ve Taştan, S. “Zaman Serisi Analizinde Mlp Yapay Sinir Ağları Ve ARIMA Modelinin Karşılaştırılması”, Erciyes Üniversitesi İktisadi Ve İdari Bilimler Fakültesi Dergisi, Sayı:33, Temmuz-Aralık 2009, Ss.161-172
14. Kobu, B. (1994). Üretim Yönetimi, Avcıol Basım-Yayım,8. Baskı, İstanbul
15. Lewis, Colin D. (1982). Industrialand Business Forecasting Methods. Butterworths Publishing: London, 1982, S.40
16. Masters T. Practical Neural Network Recipes in C++, Morgan Kaufmann; 1993.
17. Mo, H., Wang, J Ve Niu,H. (2016). Exponent Back Propagatşon Neural Network Forecasting For Financial Cross-Correlation Relationship. Expert Systems With Applications, 53, 106-116.
18. Öztemel, E. (2012). Yapay Sinir Ağları, 2. Baskı, Papatya Yayıncılık, İstanbul.
19. Pelusi, D., Mascella, R., Talini, L., Nayak, J., Naik, B. Ve Abraham, A. (2018). Neural Network And Fuzzy System Fort He Tuning Of Gravitational Search Algorithm Parameters. Expert Systems With Applications, 102, 234-244.
20. Tekin, M., (2009). Üretim Yönetimi Cilt 1, 6. Baskı, Günay Ofset, Konya.
21. Saygılı, Y. S., (2008). İstatistiksel Yöntemlerle Yapay Sinir Ağları Uygulamalarının Karşılaştırılması: Milli Savunma Bakanlığı Bütçesinin Öngörülenmesi, Yüksek Lisans Tezi, Kara Harp Okulu Savunma Bilimleri Enstitüsü, Ankara.
22. Sevüktekin, Mustafa ve Mehmet Nargeleçekenler, Ekonometrik Zaman Serileri Analizi Eviews Uygulamalı, 2. Baskı, Nobel Yayın Dağıtım, Ankara, 2007.
23. Stephen F. Witt Ve Christine Witt (1992). Modeling Forecasting Demand İn Tourism. Academic Press: London, S. 137
24. Şen, A.B. ve Kaba, G. (2009).Öncü göstergeler kullanımının tahmin doğruluğuna etkisi: Türk otomotiv pazarı üzerine bir araştırma. Marmara Üniversitesi İ.İ.B.F. Dergisi, 28, 2, 397-411.
25. Yüksek, A. G., (2007). Hava Kirliliği Tahmininde Yapay Sinir Ağları ve Çoklu Regresyon, Doktora Tezi, Cumhuriyet Üniversitesi Sosyal Bilimler Enstitüsü, Sivas.